近 30 天 AIGC 开源更新看板

同版本支持在脚本里写 [pause: 2s] 插入停顿、字幕时间轴同步调整，并新增逐词字幕（依据 m1、m2）。

开源短视频生成工具：输入主题或关键词，自动写脚本、配音、配字幕和素材，生成短视频。

从脚本直接生成带旁白短视频的创作者；以及做“先配音、后画面”口播类功能的产品和技术——可参考“渲染画面之前先拦坏音频”的做法。是否减少返工需自行验证。

• 指定服务：停顿标记仅支持 Edge TTS（Azure TTS V1），单次停顿 0.1–10 秒（m4）
• 字幕条件：逐词字幕取决于语音服务是否提供词级时间，不提供时退化为短语或整句（m5）

• 脚本停顿：用 [停顿: 2s] 或 [pause: 2s] 插入静音，配音与字幕时间轴同步调整。 （依据 m1）
• 新增逐词字幕和弹跳出现动画；逐词效果依赖语音服务提供词级时间。 （依据 m2；依据 m5）
• 无效语音片段会中止生成，不再静默输出缺旁白的成片。 （依据 m3）
• 新增 Kokoro、VoxCPM 配音服务；新增预设背景音乐与试听。 （依据 m7；依据 m9）
• 中断写入留下的临时文件会被清理。 （依据 m8）
• 胜算云（Shengsuan Cloud）视频生成显示报价、要求确认费用，并按旁白时长推荐素材数量。 （依据 m6）

• Python 项目，MIT 许可。停顿标记仅支持 Edge TTS，单次停顿 0.1–10 秒；Kokoro 需要另行运行兼容服务；胜算云报价确认只适用于这一家。
• 许可：MIT。宽松许可：可商用，需保留版权与许可声明。模型权重与服务条款未核查
• 限制与未知：项目方没有给出返工减少或成功率数据；停顿标记只适用于 Edge TTS，逐词字幕效果取决于语音服务是否提供时间信息；Shengsuan Cloud 报价确认只覆盖这一家。以上效果未实测。
• 窗口内其他事件：正式发布 v1.3.6，2026-09-02

• 适合的用户任务：做短视频的人，从脚本走到成片时，要处理配音停顿、字幕出现的时间、背景音乐和素材。这个版本主要减少配音和字幕对不上的问题。
• 方式：借鉴机制，不必接入仓库
• 改善哪个步骤：脚本 → 配音 → 成片：在渲染画面之前确认配音节奏和音频是否有效。
• 可能影响的指标：每条合格视频的生成次数；旁白残缺的成片比例。
• 公开事实：该版本让无效语音中止生成，并支持停顿标记与字幕同步。 （依据 m1；依据 m3）
• 公开事实：DreamFace 头像视频把照片、脚本或音频转成口播视频。 （背景：DreamFace 头像视频（Avatar Video）产品页）
• 分析推断：口播视频同样先有配音再出画面。坏音频如果在画面渲染前被拦下，用户可能少等一轮、少重做一次。
• 待验证：DreamFace 现有流程是否已有类似校验、当前残缺率和重生成率都未知；停顿标记只在一种语音服务上可用。
• 产品假设：如果配音能在指定位置停、字幕按词出现，创作者可能少做几次“生成完才发现节奏不对”的返工。坏音频直接停下，也能避免一条缺旁白的视频继续走后面的素材和剪辑流程。但 Shengsuan Cloud 的报价确认只是让成本提前可见，不等于降低成本，而且只适用于这一家。
• 最小验证建议（拟议，未执行）：同一 v1.3.7、同一批10个主题脚本、同一 TTS 声音和素材源：A组不加停顿标记，B组在相同位置加 [pause: 2s]。记录旁白和字幕错位次数、为修节奏重新生成的次数、第一条可用成片耗时。无效语音中止生成另测：在相同输入和服务中注入同一段坏音频，统计有多少次还会产出旁白残缺的视频。成本确认不放进这组实验。

• [m1]

  …urbo/compare/v1.3.6...v1.3.7) --- <h2 id="cn-v1.3.7">重点更新</h2> - 新增逐词字幕和弹跳出现动画，WebUI 可分别选择字幕显示模式与动画效果。 - 新增预设背景音乐选择与浏览器内试听，生成视频前即可确认配乐效果。 - 新增 Azure TTS V1（Edge TTS）脚本停顿支持：使用 `[停顿: 2s]` 或 `[pause: 2s]` 插入静音，并同步调整配音与字幕时间轴。 - 新增 Kokoro 和 VoxCPM 配音服务。Kokoro 支持自托管的 OpenAI 兼容服务，并自动读取服务端音色列表。 - 新增通过已认证 Claude 订阅使用的 Claude Code 大模型服务，提供专用 Docker 部署文件；同时新增 OpenAI 兼容的…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0021.json
• [m2]

  …l Changelog**: [v1.3.6...v1.3.7](https://github.com/harry0703/MoneyPrinterTurbo/compare/v1.3.6...v1.3.7) --- <h2 id="cn-v1.3.7">重点更新</h2> - 新增逐词字幕和弹跳出现动画，WebUI 可分别选择字幕显示模式与动画效果。 - 新增预设背景音乐选择与浏览器内试听，生成视频前即可确认配乐效果。 - 新增 Azure TTS V1（Edge TTS）脚本停顿支持：使用 `[停顿: 2s]` 或 `[pause: 2s]` 插入静音，并同步调整配音与字幕时间轴。 - 新增 Kokoro 和 VoxCPM…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0021.json
• [m3]

  …补齐新设置与提示的多语言文案。 ## 修复与改进 - 优化字幕动画渲染，同步缩放字幕画面与透明蒙版，避免字幕出现时产生黑色轮廓。 - 完善 Kokoro 音色读取与音频处理：服务暂时不可用时保留原有音色选择，替换文件前校验生成音频。 - 增加停顿标签校验，改进分段配音与字幕同步；无效语音片段会中止生成，避免静默输出缺失旁白的成片。 - 完善 `NaN`、无穷大等非有限语速值的处理。 - 修复项目路径包含空格时 WebUI 启动脚本的端口检查，并修正 Colab notebook 的缺失导入和仓库路径。 - FFmpeg 拼接期间增加定期日志，便于判断长时间处理状态和排查问题。 - 素材缓存清理支持回收写入…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0021.json
• [m4]

  …rks best with Azure TTS V1 (Edge TTS) or Whisper; providers without word-level timestamps may display phrases or whole sentences instead. - Script pause tags are supported only with Azure TTS V1 (Edge TTS), with individual pauses from **0.1 to 10 seconds**. - Kokoro requires a separately running compatible TTS service. Claude Code requires its CLI and subscription authentication; selecting eith…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0021.json
• [m5]

  … Windows one-click package in release Assets. ## Usage and Upgrade Notes - Subtitle defaults remain **sentence display with no animation**. Word-by-word timing works best with Azure TTS V1 (Edge TTS) or Whisper; providers without word-level timestamps may display phrases or whole sentences instead. - Script pause tags are supported only with Azure TTS V1 (Edge TTS), with individual pauses from **0.1 to 10 seconds**. - Kokoro requires a…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0021.json
• [m6]

  …M 配音服务。Kokoro 支持自托管的 OpenAI 兼容服务，并自动读取服务端音色列表。 - 新增通过已认证 Claude 订阅使用的 Claude Code 大模型服务，提供专用 Docker 部署文件；同时新增 OpenAI 兼容的 API Route 大模型服务。 - 优化胜算云视频生成流程，支持读取当前账号可用模型、获取报价和确认费用，并根据旁白时长推荐素材数量。 - 减少同一任务批量生成多个视频时的素材重复，适用于 Pexels、Pixabay、Coverr 和本地文件；素材不足而发生复用时会给出提示。 - Upload-Post 新增 YouTube“是否面向儿童”受众设置。 - 新增阿塞拜疆语 WebUI 翻译，并补齐新设置与提示的…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0021.json
• [m7]

  … 可分别选择字幕显示模式与动画效果。 - 新增预设背景音乐选择与浏览器内试听，生成视频前即可确认配乐效果。 - 新增 Azure TTS V1（Edge TTS）脚本停顿支持：使用 `[停顿: 2s]` 或 `[pause: 2s]` 插入静音，并同步调整配音与字幕时间轴。 - 新增 Kokoro 和 VoxCPM 配音服务。Kokoro 支持自托管的 OpenAI 兼容服务，并自动读取服务端音色列表。 - 新增通过已认证 Claude 订阅使用的 Claude Code 大模型服务，提供专用 Docker 部署文件；同时新增 OpenAI 兼容的 API Route 大模型服务。 - 优化胜算云视频…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0021.json
• [m8]

  …e Colab notebook. - Added periodic log messages while FFmpeg concatenation is running, making long-running processing easier to diagnose. - Extended material cache cleanup to reclaim temporary files left behind by interrupted writes. - Updated the agent helper to support `openai_image` and recognize `claude_code` as a keyless LLM provider. - Synced the documented Edge TT…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0021.json
• [m9]

  …/github.com/harry0703/MoneyPrinterTurbo/compare/v1.3.6...v1.3.7) --- <h2 id="cn-v1.3.7">重点更新</h2> - 新增逐词字幕和弹跳出现动画，WebUI 可分别选择字幕显示模式与动画效果。 - 新增预设背景音乐选择与浏览器内试听，生成视频前即可确认配乐效果。 - 新增 Azure TTS V1（Edge TTS）脚本停顿支持：使用 `[停顿: 2s]` 或 `[pause: 2s]` 插入静音，并同步调整配音与字幕时间轴。 - 新增 Kokoro 和 VoxCPM 配音服务。Kokoro 支持自托管的 OpenAI 兼容服务，并自动…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0021.json

同版本修复了 8GB 显卡长章节渲染中途超时的问题，超时章节在当前片段结束后释放 GPU（依据 v1）。

本地运行的开源配音工具：声音克隆、视频配音、转写和有声书制作。

需要连续渲染大量章节的有声书、长配音创作者；做长任务类功能的产品——可参考“留住已完成部分、只补剩余部分”的恢复设计。

• 指定硬件：超时修复针对 8GB 显卡上的长章节，不代表所有硬件都不再超时（v1）
• 许可：AGPL-3.0：修改后以网络服务提供需公开对应源码，只适合借鉴机制
• 安装包：未签名或仅临时签名、未经 Apple 公证（v6）
• 未经实测：未给出提速或降显存数据

• 8GB 显卡上长有声书章节不再在渲染中超时；超时章节在当前片段结束后释放 GPU。 （依据 v1）
• 数据目录迁移或断电后，已渲染章节仍可复用，续传点不再被清空。 （依据 v2）
• Claude Code、Cursor、Codex CLI 和 OpenAI Agents SDK 可按给出的配置接入。 （依据 v3）
• 可替换已保存克隆的参考音频；OmniVoice 支持超过 20 秒的参考。 （依据 v4）
• 新增用保存的声音应答 Twilio 来电，默认关闭。 （依据 v5）

• Electron 桌面应用（Windows、macOS、Linux），AGPL-3.0。安装包未签名或仅临时签名，未经 Apple 公证。声音克隆需确认授权与合规。
• 许可：AGPL-3.0。AGPL-3.0：可商用；修改后以网络服务提供时需按AGPL公开对应源码，不等于禁止商用。模型权重与服务条款未核查
• 限制与未知：项目方没有给出提速或降显存数据；“已渲染章节可保留”不等于正在生成的每一秒都能恢复。安装包未签名、未经 Apple 公证。许可证为 AGPL-3.0：可以商用，但修改后通过网络提供服务，需要公开对应源码。克隆声音还要确认授权与合规。
• 窗口内其他事件：正式发布 v0.5.5，2026-09-22、正式发布 v0.5.4，2026-09-21、正式发布 v0.5.3，2026-09-17、正式发布 v0.5.2，2026-09-10

• 适合的用户任务：做长篇配音或有声书的人，通常要让电脑连续渲染很多章节。麻烦在于：跑到一半超时、断电或软件退出，前面等了很久的内容可能白做。
• 方式：借鉴机制；接入代码受 AGPL 约束
• 改善哪个步骤：长任务中断后的恢复：已完成的部分不必重做。
• 可能影响的指标：中断后需要重新生成的时长；长任务完成率。
• 公开事实：该版本保留断电或迁移前已渲染的章节，并修复长章节超时。 （依据 v1；依据 v2）
• 公开事实：DreamFace 的积分用于AI生成，已使用的积分不退。 （背景：DreamFace 订阅与积分政策）
• 公开事实：岗位写明关注完成率。 （背景：同花顺官方校园招聘：AI Native出海产品经理（AI创新集群，杭州））
• 分析推断：长视频或长配音任务中断后如果只需补做剩余部分，用户等待更短；在按积分计费的产品里，重复生成也可能意味着额外消耗。
• 待验证：生成失败时是否返还积分，政策页没有说明；DreamFace 是否有长任务中断问题未知。
• 产品假设：这次更新的价值主要在稳定性：长章节少超时、已完成章节能保留，创作者就少一点从头再来的等待。它不是显存优化，也没有承诺所有电脑都不再超时；是否真能减少损失，要在自己的设备和任务长度上验证。
• 最小验证建议（拟议，未执行）：在8GB显卡的测试环境里，用同一本10章有声书对照上一版本。测试中分别模拟进程退出、任务中断和数据目录迁移：记录超时次数、完成章数、恢复后需要重渲染的时长、整本完成率。不要求在真实工作设备上硬断电。

• [v1]

  …cript of the whole clip (#2281) - Speaker diarisation uses Lightning 2.6.6, which blocks code execution from a crafted checkpoint (#2296) - Long audiobook chapters on 8 GB GPUs no longer time out while still rendering, and a timed-out chapter stops using the GPU after its current chunk (#2287) — thanks @Tran-Van-Hieu! - On Windows, one reset connection no longer leaves the backend running but unreachable (#2276) — thanks @ialexbon…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0022.json
• [v2]

  …egments follow OpenAI's schema (#2290) - OpenAI-compatible routes return errors in OpenAI's format, with 400 for invalid requests (#2290) - Rendered audiobook chapters stay reusable after the data folder moves, and a power-off no longer empties the resume point or tears chapter audio (#2279) — thanks @castlecreati! - An audiobook chapter-cache miss now logs which input changed since the cached render (#2279) - MCP clients pointe…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0022.json
• [v3]

  …md). **Highlights** - Answer Twilio phone calls with a greeting in a saved voice; off by default, with a local phone-quality test (#2291) - Claude Code, Cursor, Codex CLI and the OpenAI Agents SDK connect to VoiceStudio with working setup (#2289, #2290) - Replace a saved clone's reference sample, and clone from references longer than 20 s on OmniVoice (#2282, #2281) — thanks @Cengokill! - L…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0022.json
• [v4]

  …-quality test (#2291) - Claude Code, Cursor, Codex CLI and the OpenAI Agents SDK connect to VoiceStudio with working setup (#2289, #2290) - Replace a saved clone's reference sample, and clone from references longer than 20 s on OmniVoice (#2282, #2281) — thanks @Cengokill! - Long audiobook chapters finish on 8 GB GPUs and survive a power-off or data-folder move (#2287, #2279) — thanks @Tra…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0022.json
• [v5]

  …dates. See the [installation guide](https://github.com/debpalash/VoiceStudio/blob/v0.5.6/docs/install/troubleshooting.md). **Highlights** - Answer Twilio phone calls with a greeting in a saved voice; off by default, with a local phone-quality test (#2291) - Claude Code, Cursor, Codex CLI and the OpenAI Agents SDK connect to VoiceStudio with working set…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0022.json
• [v6]

  …v0.5.6/docs/electron-migration.md). Tauri v0.5.3 remains the final Tauri release; its updater cannot install Electron. **Installer trust:** Electron installers are unsigned or ad-hoc signed and are not Apple-notarized. Windows/macOS may show trust warnings. macOS automatic updates are unverified; use manual installer updates. See the [installation guide](h…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0022.json

海报完成后还能继续生成 3×3 视频分镜图和可交给视频模型的提示词（依据 g4）。

给 Claude Code / Codex 用的技能：把建筑、在地文化与旅行照片做成带中文排版的编辑海报。

把旅行、建筑、在地文化实拍照片做成带文字海报的创作者；做封面、海报类功能的产品——可参考“把一句提示词拆成固定步骤”的流程。能否提高一次出图合格率未验证。

• 许可：仓库未声明许可，许可核实前只借鉴流程、不接入代码
• 依赖外部模型：使用 GPT Image，调用成本未说明（g1）

• 仓库简介：Claude Code / Codex 技能，用 GPT Image 把建筑、在地文化与旅行照片转为艺术指导的编辑海报。 （依据 g1）
• 流程：先读照片构图与身份，选一张兼容的主导参考，设计中文展示字和排版垫图，再交给图像模型整体重绘。 （依据 g2）
• 保护屋坡、飞檐、匾额等身份特征，不把真实建筑改成另一栋楼。 （依据 g3）
• 海报完成后可继续生成 3×3 视频分镜图和视频提示词。 （依据 g4）

• 以 npx skills 安装到支持技能与图像生成的 Agent 中；依赖外部图像模型（GPT Image）。仓库未声明许可。
• 许可：未声明。许可待核实（GitHub未识别或未声明），不得视为可商用。模型权重与服务条款未核查
• 限制与未知：依赖外部图像生成模型，调用成本未说明；“Claude Code/Codex 技能”“使用 GPT Image”来自仓库简介，不等同于 README 已证明所有接口兼容。当前证据只支持写“许可待核实”；英文排版和海外创作者场景未实测。

• 适合的用户任务：旅行、建筑或在地文化内容创作者，想把实拍照片做成有中文标题和排版的海报，再继续准备短视频素材。
• 方式：借鉴流程设计；许可未核实前不接入代码
• 改善哪个步骤：创作控制：用户从“写一句提示词”变成按固定步骤给出参考和排版。
• 可能影响的指标：首次生成即可发布的比例；修改轮数。
• 公开事实：该技能把读图、选参考、排版垫图写成固定步骤。 （依据 g2）
• 公开事实：岗位面向全球创作者。 （背景：同花顺官方校园招聘：AI Native出海产品经理（AI创新集群，杭州））
• 分析推断：结构化步骤可能减少“生成—不满意—重写提示词”的循环，这一思路可用于封面或海报类功能。
• 待验证：仓库只演示中文排版，不能证明英文或其他语种的本地化效果；海外创作者是否需要这类流程未验证。
• 产品假设：把“看构图、选参考、做排版垫图”写成固定步骤，可能比直接丢一句提示词更容易得到能用的海报；海报到分镜的衔接，也可能减少图转视频前的准备工作。不过这只是本期样本下的判断，英文排版和其他文化场景还没有验证。
• 最小验证建议（拟议，未执行）：选20张实拍照片，两组使用同一个图像模型、同样尺寸和设置：A组直接写提示词，B组使用该技能。第一轮每张只生成一次，由3名不知道分组的评审判断“可直接发布”的比例。若要比较修改轮数，另做第二轮，并给两组相同的修改时间和轮数上限。

• [g1]

  🏯 Claude Code / Codex skill — transform Chinese architecture, cultural places & travel photos into art-directed editorial posters with GPT Image. 中国古建筑与在地文化照片 → 艺术指导海报

  仓库简介 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0004.json
• [g2]

   # Yingzao · 营造 把你拍下的建筑、街巷、店铺、器物与地方食物，转成真正经过艺术指导的编辑海报——不是给照片套滤镜，也不是把标题贴在空白处。 Yingzao 会先读照片的构图与身份，再选择一张兼容的主导参考，设计中文展示字与图文空间关系，最后把原图、参考与稀疏排版垫图一起交给图像模型完成整体重绘。主体处理、主动色场、地域材质和文字遮挡发生在同一个视觉世界里。 ## 30 秒开始 ```bash npx skills add https://github.com/op7418/guizang-yingzao-skill --skill yingzao ``` 安装后，在支持…

  README · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0018.json
• [g3]

  …yingzao` 安装 Yingzao。 安装完成后读取它的 SKILL.md，并先运行依赖检查；不要把仓库克隆到某个特定 Agent 的私有目录。 ``` ## 它会做什么 - 识别照片是正立面、仰视、对角、框景、局部构件还是环境叙事，并只修复一个真正影响画面的构图问题。 - 保护屋坡、飞檐、匾额、轮廓、不对称等身份锚点，不把真实建筑“优化”成另一栋楼。 - 在看参考图之前先提出主体、背景、图文互动与排版动作四域命题，避免参考越多、结果越平庸。 - 从内置 Recipe 与真实参考图中选择兼容方向，不把几十条风格词机械串进提示词。 - 设计展示字的宽窄、重心、笔画对比、收笔、字腔、节奏与表面媒介；小字可使用另一常规字族建立层级。…

  README · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0018.json
• [g4]

  …比、收笔、字腔、节奏与表面媒介；小字可使用另一常规字族建立层级。 - 把主体语义抠取、移位、分区上材质，并让真实轮廓与标题、色形发生遮挡、共边或负形咬合。 - 多图“合一”时提取各图主体，在共享透视、光向、接触阴影和边缘语言中重建一个场景；只有明确要求组照时才保留照片矩形。 - 海报完成后，可按你的选择继续制作一张 3×3 视频分镜图和可直接交给视频模型的提示词。 ## 使用示例 ```text 用 $yingzao 做一张善化寺藻井海报。主体必须突出，文字不能侵入藻井核心纹样；你决定版式。 ``` ```text 用 $yingzao 把这五张同一家茶食店的夜景和食物融合成一张横版海报。 不要做五宫格，要像一个共同场景。 ``` ```…

  README · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0018.json

LoRA 在加载后固定生效，本版不支持按单次请求切换（依据 l4）。

开源的本地 AI 推理引擎，可在自有硬件上运行文本、图像、语音、视频等模型。

自部署视频生成服务、需要试验特定风格的技术团队；仅当使用 LTX2.5 或 MiniMax-H3 时相关。按请求切换风格的需求此版不覆盖。

• 测速范围：benchmark 只测文本模型，得不到视频速度或首帧时间（l2、l3）
• 未经实测：LoRA 对画质和生成耗时的影响未说明

• vllm-cpp 视频引擎在加载时把 LoRA 融合进模型权重，LTX2.5 与 MiniMax-H3 走同一路径。 （依据 l1）
• LoRA 在加载时固定生效，不支持按单次请求切换。 （依据 l4）
• 新增 local-ai benchmark 命令，测量文本模型端到端延迟与吞吐；不测首个 token 时间。 （依据 l2；依据 l3）
• 新增集群运维面板和统一凭据文件；修复 4 个 CVE。 （依据 l6；依据 l7；依据 l5）

• Go 项目，MIT 许可；需要 vllm-cpp 视频后端与对应模型权重；LoRA 在加载时固定，按请求激活不在本版范围内。
• 许可：MIT。宽松许可：可商用，需保留版权与许可声明。模型权重与服务条款未核查
• 限制与未知：新增 benchmark 只覆盖文本模型，不能直接得到视频生成速度或首帧等待；LoRA 对画质和速度的影响未说明；自部署能否降低成本没有验证。

• 适合的用户任务：需要自己部署 AI 生成服务的小团队，想在本地视频模型上加入特定风格，同时了解服务的响应速度。
• 方式：仅在团队自部署视频模型时相关
• 改善哪个步骤：定制风格：把一种风格加进视频模型并上线试用。
• 可能影响的指标：新风格从准备到可试用的搭建时间；风格一致性评分。
• 公开事实：该版本支持视频模型加载时融合 LoRA，但不能按请求切换。 （依据 l1；依据 l4）
• 公开事实：DreamFace 已对外提供 API 并按 Credits 计费。 （背景：DreamAPI（DreamFace API）页面）
• 分析推断：如果团队用 LTX2.5 或 MiniMax-H3 自部署，这一改动可能缩短风格试验的搭建工作；按请求切换风格的需求仍要另行实现。
• 待验证：团队是否使用这两种模型、是否自部署未知；生成耗时与画质影响未验证。
• 产品假设：视频模型在加载阶段就能融合 LoRA，团队可以更快试验特定风格，不必另外搭一套推理脚本。LoRA 不只能做风格，风格只是这次测试场景。能否真正减少搭建工作、会不会增加生成耗时，都还需要验证。
• 最小验证建议（拟议，未执行）：同一台 GPU、同一 LocalAI v4.10.0、同一 LTX2.5 基础模型、同一组20条提示词和随机种子：A组不加载 LoRA，B组在加载时融合同一个 LoRA。记录模型加载耗时、5秒视频生成耗时、失败率，并由3名评审盲评风格一致性。不与手动搭建脚本比较，否则部署方式和推理实现都会变。

• [l1]

  …warmup and measured runs, with table and JSON output, redirect blocking, and API-key redaction. - 🔧 **vllm-cpp LoRA fusion at load time** - `lora_adapters` and `lora_scales` are now consumed by the vllm-cpp video engine, fusing LoRA deltas into DiT weights at engine load. Works for both LTX2.5 and MiniMax-H3 through one generic path. - 🌍 **Environment variables per model** - an `env:` map in model config injects variables into the backend process environment, so `CUDA_VI…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0016.json
• [l2]

  …ated K8s secret mounts take effect without restart, and full masking in logs and error messages. - 📏 **`local-ai benchmark` CLI command** - measures end-to-end latency and throughput against configured text models. Reports min/mean/max latency and completion tokens/sec across warmup and measured runs, with table and JSON output, redirect blocking, and …

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0016.json
• [l3]

  …ies)` across measured runs. It is `nil`/`N/A` if any sample omits `completion_tokens` from the response usage, or if total latency is zero. The command does not measure decode-only speed or time to first token; it is an end-to-end client benchmark covering HTTP transport, queueing, prompt processing, generation and parse. The HTTP client refuses r…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0016.json
• [l4]

  … DiT weights at load. One generic path serves both LTX2.5 and MiniMax-H3, since the engine auto-detects the DiT family from the checkpoint. Adapters are always loaded; there is no per-request activation in this path. Runtime prompt-activated LoRA (punica-style `<lora:name:strength>`) is out of scope and tracked separately. > 🔗 PRs: #12082 ### 🌍 Environme…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0016.json
• [l5]

  …ed from content. Distributed mode gained seven stabilisation fixes across staging, liveness, virtual models and the control-plane database. Four CVEs were patched, `enable_thinking=false` is now honoured across every text backend, and Apple M5 no longer SIGSEGVs at startup. **Highlights:** - 📊 **Fleet…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0016.json
• [l6]

  …equests. The work landed on three fronts: operating a fleet, feeding it models from private sources, and fixing the backends you depend on. A fleet operations dashboard replaces the flat node list with cluster-wide health, capacity, running models, and bulk lifecycle actions. A credentials file lets one `credentials.yaml` authenticate OCI registries, galleries and direct downloads without scattering tokens across…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0016.json
• [l7]

  …n. A fleet operations dashboard replaces the flat node list with cluster-wide health, capacity, running models, and bulk lifecycle actions. A credentials file lets one `credentials.yaml` authenticate OCI registries, galleries and direct downloads without scattering tokens across environment variables. And `local-ai benchmark` measures end-to-end latency and throughput from the CLI. The ds4 backend had four fixes that together make it reli…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0016.json

本地运行与训练语言模型和扩散模型的桌面界面与工具库。

在本地显卡跑图像生成、关心出图等待的技术人员，以及做本地生图功能的产品——这些数字可作为复测线索，不建议直接据此选型。

• 不同测试：45% 显存下降来自语言模型 LoRA 训练（Qwen3.8-27B-NVFP4、单张 RTX PRO 6000，72.9→40.2GB），不是图像推理（u4、u3）
• 范围：图像提速不能外推到视频；版本名含 beta，但 API 字段标记为非预发布

• 图像模型在内存调配（offloading）时保持 INT8/FP8：限制 10GiB 显存的 B200 上，Z-Image 用时 2.3 秒（原为 38.4 秒）。 （依据 u1）
• Qwen-Image-2.1 在 Radeon 8060S 上生成 1536×1536 图像最高快 3.6 倍。 （依据 u2）
• NVFP4 LoRA 训练峰值显存降低 45%：Qwen3.8-27B-NVFP4 在单张 RTX PRO 6000 上从 72.9GB 降到 40.2GB，每步耗时缩短 11%。 （依据 u4；依据 u3）
• 新增解释加载与生成失败原因的错误提示和查看日志按钮。 （依据 u5）

• Apache-2.0。版本名含 beta，但保存的 API 字段标记为非预发布。性能数字均来自项目方指定的模型、精度与显卡。
• 许可：Apache-2.0。宽松许可：可商用，需保留版权与许可声明。模型权重与服务条款未核查
• 限制与未知：3.6倍来自 Qwen-Image-2.1 与 Radeon 8060S；45%显存来自 Qwen3.8-27B-NVFP4 与单张 RTX PRO 6000，属于语言模型训练。版本名称含 beta，但保存的 API 字段标记为非预发布。所有性能数字均来自项目方指定条件，未在本作品中实测。
• 窗口内其他事件：正式发布 v0.1.900-beta，2026-09-28、正式发布 prebuilt-wheels-cu13，2026-09-27、正式发布 v0.1.815-beta，2026-09-23、正式发布 v0.1.814-beta，2026-09-22、正式发布 v0.1.813-beta，2026-09-22、正式发布 v0.1.812-beta，2026-09-22、正式发布 v0.1.811-beta，2026-09-18、正式发布 v0.1.810-beta，2026-09-17、正式发布 Windows-ARM64，2026-09-16、正式发布 v0.1.808-beta，2026-09-09、正式发布 v0.1.807-beta，2026-09-08、正式发布 v0.1.806-beta，2026-09-02、正式发布 v0.1.805-beta，2026-09-02

• 适合的用户任务：在本地显卡上跑图像生成、或用 LoRA 做微调的团队，关心出图等待、显存够不够，以及失败后能不能看懂原因。
• 方式：暂作参考，不据此选型
• 改善哪个步骤：出图等待与训练硬件门槛。
• 可能影响的指标：单张出图耗时；训练峰值显存。
• 公开事实：提速和降显存数字分别来自指定硬件上的图像生成与语言模型训练。 （依据 u2；依据 u4）
• 公开事实：岗位关注生成等待。 （背景：同花顺官方校园招聘：AI Native出海产品经理（AI创新集群，杭州））
• 分析推断：如果团队在同类硬件上本地生图，可以把这些数字当作复测线索。
• 待验证：图像生成提速不能外推为视频提速；语言模型训练降显存不能写成图像推理降成本；未在本作品中实测。
• 产品假设：这里其实有三类收益：图像生成提速是少等，训练显存下降是降低硬件门槛，错误提示是失败后更容易继续。它们不能互相替代，也不能把项目方机器上的结果直接套到自己的电脑上。
• 最小验证建议（拟议，未执行）：图像生成单独测：固定同一显卡、模型、提示词、随机种子、尺寸和步数，比较升级前后各生成50张1536×1536图的单张耗时与失败率。LoRA训练另测：固定模型、精度、序列长度、批量和硬件，比较升级前后能否跑通、峰值显存和每步耗时。

• [u1]

  …ng inputs run at about the same speed. - Laya loads in about 9 s instead of 17 s and needs about half the peak host RAM. ## Image + video - Image models keep INT8 or FP8 when offloading. On a 10 GiB-capped B200, Z-Image takes 2.3 s, not 38.4 s. - Qwen-Image-2.1 renders 1536x1536 images up to 3.6x faster on a Radeon 8060S. ## Training + models - Fine-tune T5, T5Gemma, BART, Marian a…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0015.json
• [u2]

  …eak host RAM. ## Image + video - Image models keep INT8 or FP8 when offloading. On a 10 GiB-capped B200, Z-Image takes 2.3 s, not 38.4 s. - Qwen-Image-2.1 renders 1536x1536 images up to 3.6x faster on a Radeon 8060S. ## Training + models - Fine-tune T5, T5Gemma, BART, Marian and other text encoder-decoders with `FastModel`. - The new `unsloth eval` comma…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0015.json
• [u3]

  … a loaded model needs about as much memory as its 4-bit checkpoint. - [Qwen3.8-27B-NVFP4](https://huggingface.co/unsloth/Qwen3.8-27B-NVFP4) peaks at 40.2 GB instead of 72.9 GB on one RTX PRO 6000, with 11% shorter steps. - Dense compressed-tensors INT4 checkpoints train as published on NVIDIA GPUs. Qwen3-8B w4a16 peaks at 8.5 GB, not 18.8 GB, on a B200. - Ki…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0015.json
• [u4]

  …nections to TypeSafe and other hosted providers - **Clearer errors** that explain failed loads and generations, with a View logs button - **NVFP4 LoRA with 45% lower peak memory** on Qwen3.8-27B-NVFP4 - **INT4 + MXFP4 checkpoints stay packed** during LoRA, including Kimi-K2.7-Code and gpt-oss ## Desktop + chat - **C…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0015.json
• [u5]

  …F model's run settings - **Laya decisions up to 4.1x faster**, plus connections to TypeSafe and other hosted providers - **Clearer errors** that explain failed loads and generations, with a View logs button - **NVFP4 LoRA with 45% lower peak memory** on Qwen3.8-27B-NVFP4 - **INT4 + MXFP4 checkpoints stay packed** during LoRA, including Kimi-K2.…

  版本说明 · 原文链接 · 原始响应 data/runs/20261002T093816Z/raw/0015.json